DOCX - это формат документов, который Microsoft Word использует по умолчанию с версии Word 2007, когда он заменил старый двоичный формат DOC. Буква X обозначает XML и указывает на полностью иной подход: если DOC был единым непрозрачным двоичным «комком», то DOCX - это обычный ZIP‑архив, заполненный читаемыми текстовыми файлами. Формат был опубликован как ECMA-376, а затем принят в качестве стандарта ISO под названием Office Open XML, поэтому другие текстовые редакторы могут открывать и сохранять файлы в этом формате.
Как DOCX хранит документ
Переименуйте DOCX в .zip, распакуйте его, и документ предстанет перед вами как небольшой «сайт» из отдельных частей. Текст и его форматирование находятся в word/document.xml. Стили, шрифты, нумерация и сноски имеют свои собственные XML-фрагменты. Каждое вставленное изображение лежит нетронутым в word/media/ как тот же файл изображения, каким оно и было. В манифесте перечислены все части и то, как они связаны друг с другом.
Из этого следуют два полезных следствия. Оболочка ZIP сильно сжимает XML, поэтому DOCX обычно заметно меньше по размеру, чем эквивалентный DOC. И поскольку каждая часть отделена от других, поврежденное изображение или сломанный стиль не обязательно «утаскивают» за собой весь документ: приложения для восстановления работают, перестраивая архив вокруг тех частей, которые все еще читаются.
Обратная сторона в том, что DOCX зависит от согласованности своих частей. Архив, в котором манифест не соответствует содержимому, будет полностью отклонен, а не открыт «как получится», поэтому файл, переживший неудачную передачу, нередко вообще не открывается.
Какие метаданные содержит DOCX
Word хранит свои метаданные в двух отдельных частях архива, и по объему сведений они превосходят большинство других форматов документов.
Основные свойства содержат ожидаемые поля: Title, Subject, Creator (автор), Keywords, Description, а также временные метки Created и Modified. Рядом с ними находится поле Last Modified By, в котором указано, кто последним сохранил файл. В документе, который ходит по офису, одно это поле может назвать человека, которого вы нигде не увидите в самом тексте.
Расширенные свойства - это те, о которых почти не задумываются. Word записывает Application и AppVersion, поэтому файл содержит название вашей версии Office. Он записывает Company, взятое из установки. Он ведет учет Pages, Words, Characters, Paragraphs и Lines. И он записывает TotalTime - количество минут, в течение которых документ был открыт для редактирования, и Revision - сколько раз он был сохранен. Договор с номером редакции 47 и 900 минутами редактирования рассказывает историю, которой нет в его тексте.
Исправления с режимом отслеживания и комментарии - отдельная тема: они хранятся в XML независимо от того, включены ли они у читателя, поэтому принять все изменения перед отправкой - не то же самое, что удалить их.
Когда использовать DOCX
Используйте DOCX, пока документ пишется, рецензируется и дорабатывается. В этом формате текст остается редактируемым и переформатируемым, файлы без потерь проходят через все основные текстовые редакторы, и именно этого формата ожидают участники совместной работы.
Не используйте его для готового документа, который вы отправляете. Макет może измениться между разными редакторами и наборами шрифтов, поэтому то, что видите вы, не гарантированно совпадает с тем, что увидит получатель. Для этого экспортируйте в PDF. И осознанно решайте, когда делиться самим DOCX: описанные выше расширенные свойства путешествуют вместе с ним, а удалить их за пять секунд проще, чем потом объяснять.